《Safety Science》：Bridging the detection-to-action gap with CLARITY: a scoping review and safety architecture for medication safety clinical decision support systems
编辑推荐：
药物相关伤害仍然是一个主要的可预防安全问题。世界卫生组织（WHO）的“用药无伤害”（Medication Without Harm）倡议将药物安全确立为全球患者安全优先事项，并要求大幅减少严重的可避免药物相关伤害。尽管在电子处方、计算机化医嘱录入（CPOE）和
药物相关伤害仍然是一个主要的可预防安全问题。世界卫生组织（WHO）的“用药无伤害”（Medication Without Harm）倡议将药物安全确立为全球患者安全优先事项，并要求大幅减少严重的可避免药物相关伤害。尽管在电子处方、计算机化医嘱录入（CPOE）和数字决策支持方面投入了数十年努力，药物安全临床决策支持系统（CDSS）常常能够检测风险，却未能促成更安全的临床行动。研究人员将这种社会技术性失败定义为“检测-行动鸿沟”（Detection-to-Action Gap）：当系统识别出药物风险，却未将其转化为具有情境敏感性和可问责性的临床响应时，该鸿沟即告出现。警报疲劳并非单纯可用性问题，而是检测、推理、优先级排序与行动之间更深层架构脱节的证据。基于对2015年1月至2026年1月间50项研究（包括25项直接药物安全证据研究和25项可迁移机制证据研究）的范围综述，研究人员提出了CLARITY——一种综合衍生的安全控制架构，通过明确连接纵向情境解释、证据约束推理、置信度感知的行动路由、人工监督与可审计性，将药物安全CDSS从孤立的警报生成扩展为可问责的决策支持路径。CLARITY不主张已实现临床有效性，而是定义下一代系统应评估的架构功能，将设计单元从单个警报或模型输出转变为从风险检测到可问责临床行动的完整路径。
**论文解读：CLARITY架构与药物安全临床决策支持系统的“检测-行动鸿沟”**
**一、研究背景与问题**
现代药物安全面临一个可见性悖论：数字系统能够呈现的潜在处方危害，超出了临床医生在常规诊疗中能够合理解读、排序并采取行动的范围。药物相关伤害尽管经过数十年信息化投入，仍是主要的可预防安全问题。WHO“用药无伤害”倡议将其列为全球患者安全优先事项；系统综述和荟萃分析表明，可预防的药物伤害广泛存在于各类医疗环境，处方与监测环节是主要来源。英国的研究估算药物错误造成大量临床和经济负担；全球负担分析持续显示药物相关伤害属于可避免的医疗不良后果模式的一部分。
这一负担在老年人群中尤为突出。多重用药（通常定义为同时使用5种及以上药物）与药物安全风险密切相关，增加了有害相互作用、处方级联、累积毒性和潜在不适当处方的概率。年龄相关的生理变化（药代动力学改变、肾脏清除率下降）、多重疾病需要治疗权衡以及可能影响依从性的认知衰退，进一步放大了这些风险。因此，确保老年人安全用药不仅是药理学挑战，更是涉及信息流、优先级排序、沟通与问责的系统性挑战。
药物安全应被理解为社会技术问题而非纯技术或临床问题。安全取决于人、技术、任务、组织常规与患者状态在真实运行约束下的交互方式。对药物安全CDSS而言，系统不应仅依据其检测能力来评价，而应看其架构如何连接患者情境、解释、优先级排序、响应选择与问责性。当前最突出的症状是警报疲劳：药物安全警报因过量、重复、时机不当或被感知为临床无关而频繁被覆盖。高覆盖率不应简单视为临床医生不依从，而在许多情况下反映了对无法支持有意义行动的警报的理性适应。研究人员将这一社会技术失败称为“检测-行动鸿沟”——系统识别出药物风险但未将其转化为情境敏感且可问责的临床响应时即告出现。若干临床脆弱性使该鸿沟难以弥合：药物风险随时间演变而许多系统将医嘱和检验结果作为孤立事件评估；同一风险信号在不同患者中可能需要不同应对；复杂多重用药中证据可能不完整或建议相互冲突；解决风险的责任分散在开方者、药师、专科医生和组织流程之间。
**二、研究目的与问题**
针对现有综述多集中于系统能力、性能指标和临床用例、而较少关注决定检测能否转化为安全行动的架构与社会技术条件这一空白，研究人员开展范围综述，考察2015年1月至2026年1月间药物安全CDSS架构的演变，并识别弥合检测与行动所需的结构性要求。研究提出四个问题：药物安全CDSS架构如何演变，机器学习、大语言模型（LLM）、检索增强生成（RAG）和智能体方法有何药物特异性证据；检测-行动鸿沟如何通过警报疲劳、情境不敏感、工作流错位和未管理的显现；哪些架构与治理保障措施被报告或暗示可用于将检测到的药物风险转化为可问责临床行动；如何将这些发现综合为下一代药物安全CDSS的安全架构。
**三、研究方法概述**
该范围综述遵循PRISMA-ScR指南，检索PubMed、Scopus、Web of Science和IEEE Xplore四个数据库，检索时间范围为2015年1月1日至2026年1月30日。研究人员将证据分为两类：直接药物安全证据（25项）和可迁移机制证据（25项），后者用于识别可从相邻决策支持领域迁移的机制。数据提取采用结构化模板，记录书目特征、国家、临床情境、系统架构、推理方法、评估策略、可解释性机制、工作流整合、治理特征和审计性机制。质量评估采用9项预定义标准，参考TRIPOD+AI、CONSORT-AI和DECIDE-AI报告指南，但不作为排除工具。采用叙述性主题综合方法，分三阶段进行：描述性证据图谱、围绕四个研究问题的主题综合、将反复出现的局限与保障转化为架构要求。
**四、主要研究结果**
**4.1 RQ1：药物安全决策支持系统的架构演变**。直接药物安全证据显示从基于规则的警报向机器学习、LLM和知识增强决策支持演变。基于规则系统仍占最大架构类别（36%），因其在药物相互作用、肾剂量阈值等明确约束任务中具有价值，但规则在临床意义取决于演变中的患者情境时较为薄弱。机器学习与深度学习系统能建模难以手工编码的模式，但大多仍集中于预测而非预测应如何被解读、排序和行动。LLM系统能处理非结构化临床语言并生成情境敏感解释，但带来幻觉、无依据推理等新可靠性风险。RAG和知识图谱增强系统通过外部证据锚定改善可靠性。多智能体系统和区块链支持方法指向编排与问责作为新兴架构关切。
**4.2 RQ2：持续的临床局限与失败模式**。检测-行动鸿沟通过三种机制显现：信号过载（系统增加潜在危害可见性而未区分哪些信号需要行动，警报覆盖率高且大部分临床适当）；情境盲区（药物风险是动态的但许多系统按时间点事件评估，如肾脏用药安全中静态逻辑无法充分解读演变中的肾功能、实验室轨迹和临床意图）；工作流错位（多重用药和多重疾病造成指南冲突、风险-收益权衡具有患者特异性，规则生成的适当性信号常需专家情境过滤）。
**4.3 RQ3：临床推理能力的比较分析**。基于规则系统在逻辑可表达为明确规则时提供精确性，弱点在于编码知识之外的脆弱性和对歧义处理不佳。LLM能处理非结构化文本但可能缺乏药物任务所需的特异性。RAG系统通过改变推理权威来源改善可靠性特征。人机协同模式在结合药师专业知识时改善处方错误检测。最安全的方向不是自主LLM替代，而是结合规则精确性、语义灵活性、证据锚定和可问责人工监督的混合推理架构。
**4.4 RQ4：安全部署的设计增强建议**。保障措施涵盖四个领域：临床有意义的解释、证据锚定与不确定性控制、问责性可追溯性、嵌入式治理。
**4.5 CLARITY安全架构**。CLARITY是综合衍生的安全控制架构，包含七个关联功能：临床知识锚定、纵向患者建模、智能体协调、检索约束推理、可解释界面、信任架构和产出感知行动路由，组织在数据基础、推理核心、信任与行动层三个相互依存的层次中。其核心设计贡献在于明确的事后检测控制路径：每个信号针对纵向患者情境和源证据进行解读，评估临床严重程度和置信度，然后路由至抑制、被动通知、中断性警报或定向审查。支持证据、理由、路由决策、用户响应和结果被保留用于审计和治理精化。该架构区分持续情境更新与持续模型学习：纵向患者状态随新数据更新，而规则库、模型配置、检索源和路由策略在每部署版本内保持固定，精化离线开发并通过治理控制流程引入。
**五、讨论与结论总结**
讨论部分指出，检测-行动鸿沟作为架构控制问题源于四个结构缺口：纵向盲区（将用药决策视为静态快照而非时间演变过程）、警报中心行动逻辑（将通知作为默认响应而非匹配信号的临床价值）、未约束的推理不确定性（LLM输出可能无依据或不适合高风险决策）、外部化治理（治理被当作政策或监管流程而非嵌入系统架构）。CLARITY通过纵向轨迹建模、证据约束与置信度感知AI、嵌入式信任与审计机制分别回应上述缺口。
结论部分总结：对50项研究的范围综述和证据图谱表明，药物安全CDSS仍主要基于规则警报，机器学习、LLM和知识增强方法正在兴起。检索锚定和智能体机制在相邻领域发展更成熟，需药物特异性验证。核心发现不变：更强的检测能力不会自动产生更安全的诊疗。持续的警报疲劳、高覆盖负担、有限的纵向意识、未管理的不确定性和碎片化治理共同指向同一根本问题：检测到的药物风险往往未转化为情境敏感且可问责的临床行动。研究人员将这一失败概念化为检测-行动鸿沟，并提出CLARITY作为综合衍生的、可测试的安全控制架构。CLARITY的贡献不在于宣称临床有效性，而在于定义未来系统应评估的架构功能。更广泛的意义在于，更安全的药物决策支持将更少依赖于检测更多风险，而更多依赖于帮助临床系统及时、可追溯且受治理地对正确风险采取行动。
